rank 函数核心作用就是给一组数值计算排名，现在大家常接触的主要是 Excel 版本 rank 函数还有 pandas 里面的 rank 方法，两种写法原理一致但是语法参数有区别，Excel 的 rank 是工作表函数，用来在单元格区域里面计算数值的名次，pandas 的 rank 是 Series 或者 DataFrame 对象方法，适合批量数据分析，rank 最关键的设置就是升降序还有并列数值的排名规则，很多人使用出错都是没有搞懂并列排名处理方式，还有区域引用没有加绝对引用，下拉填充之后选区偏移，最终排名结果错乱，rank 函数输出的是名次序号，不会修改原始数值，它只是计算出每个数字在整组数据里面的排位，既可以从高到低降序排名，也可以从小到大升序排名，日常成绩排名 销售业绩排名 竞赛分数排位都会用到这个函数，学习 rank 函数要分开 Excel 和 pandas 两套用法，理解每个参数含义，掌握下拉填充 并列排名 空值处理这些高频场景。

Excel rank 函数基础语法

旧版 Excel 函数 rank (number ref order)

number 要计算排名的那个数值单元格

ref 参与排名的全部数据区域

order 排序方式，填 0 或者省略代表降序，数值越大排名越靠前，填 1 代表升序，数值越小排名越靠前

新版 Excel 推荐使用 RANK.EQ，旧版 rank 已经属于兼容函数，RANK.EQ 和旧 rank 逻辑基本一致，并列数值会占用相同名次，下一名次会跳号

pandas rank 方法基础语法

对象.rank (method ascending na_option)

method 并列排名处理规则

ascending True 升序 False 降序

na_option 空值处理 top bottom keep

核心参数表格

详细使用步骤

第一步 区分使用环境，如果是表格办公就用 Excel rank，如果是 python 数据分析就用 pandas rank

第二步 Excel 场景，选中结果单元格，输入 rank 函数，number 选择待排名单元格，ref 选中全部数据区域，把 ref 改成绝对引用，比如 A2:A10 改成 $A$2:$A$10，order 按需填写

第三步 下拉填充公式，所有行批量生成排名，检查并列数值，确认名次是否符合预期

第四步 pandas 场景，读取数据之后，对目标列调用 rank，设置 method 和 ascending 参数，生成新的排名列

第五步 核对结果，如果并列排名不符合需求，调整 method 参数，average 是并列取平均名次，min 是并列取最小名次，dense 是紧凑排名不跳号

第六步 处理异常，空值 文本型数字会造成 rank 计算报错，提前清洗数据，把文本数字转为数值格式

深度补充要点

Excel 旧 rank 函数和 RANK.EQ 行为几乎一样，并列的时候两个相同分数都是第 1 名，下一个分数直接变成第 3 名，中间跳过第 2 名，这个是很多用户觉得奇怪的地方，如果想要并列之后下一名是第 2 名，Excel 原生 rank 做不到，需要换其他公式，pandas rank 的 dense 模式就可以实现这种紧凑排名。

Excel 里面 ref 区域如果没有加绝对引用，下拉公式的时候选区会跟着下移，排名计算范围就错了，属于 rank 函数最高频错误。

pandas rank 返回的名次可以是小数，比如 average 模式下两个并列第一名名次是 1.5，这点和 Excel rank 整数名次不一样，做后续筛选计算的时候要留意。

【常见问题】

问题 1 rank 函数要怎么用，为什么下拉之后排名全部出错

回答 1 rank 函数要怎么用，下拉排名出错大多是排名区域没有加绝对引用，公式下拉的时候选区自动偏移，把排名区域改成 $ 符号锁定的绝对引用就能修复。

问题 2 rank 函数要怎么用，相同分数排名之后下一名为什么跳号

回答 2 rank 函数要怎么用，Excel 旧 rank 和 RANK.EQ 遇到相同分数会共用同一个名次，下一名次直接跳号，pandas rank 如果使用 dense 参数就不会跳号。

问题 3 rank 函数要怎么用，pandas rank 和 Excel rank 并列排名逻辑一样吗

回答 3 rank 函数要怎么用，二者并列逻辑不完全一样，Excel rank 固定是并列同名次跳号，pandas rank 可以切换多种并列规则，支持平均名次 最小名次 紧凑排名等模式。

【免责申明】

本文 rank 函数要怎么用属于办公表格与数据分析科普，不同 Excel 版本和 pandas 版本函数细节会有差异，实际使用请参考软件官方说明，内容仅供学习参考。